回测要用多长时间的数据：先算笔数不算年数，日线策略一年只有 25 笔

回测该用多长的数据，这个问题的正确问法不是「几年」，是「几笔」和「几种市场状态」。年数只是这两个量的一个很差的代理：日线策略一年约 250 根 K 线，平均每 10 根出一个信号的话，一年只有 25 笔，要攒到 208 笔的显著性门槛需要 8.3 年。而同样的信号密度放到 15 分钟周期上，半年就够了。这篇把换算表全部给出来。

先给两道门槛，两道都要过：样本笔数 ≥ 208 笔，且覆盖至少三种市场状态（含一次幅度 20% 以上的下跌段）。

一、最硬的那个算式：年数换成笔数

A股一年约 243 个交易日，为便于估算取 250 根日线 K 线。假设你的策略平均每 k 根 K 线出一个信号：

年信号数 = 年 K 线根数 ÷ k

信号密度	年信号数	攒到 50 笔	攒到 208 笔
每 5 根一个	50 笔	1.0 年	4.2 年
每 10 根一个	25 笔	2.0 年	8.3 年
每 20 根一个	12.5 笔	4.0 年	16.6 年
每 40 根一个	6.2 笔	8.0 年	33.3 年
每 60 根一个	4.2 笔	12.0 年	49.9 年

这张表是本篇最硬的论据：一个每 10 根日线出一个信号的策略，五年数据只能给你 125 笔，t 值约 1.52，够不着 95% 显著。 而 208 笔这个门槛来自 n ≥ (1.96σ/E)²，代入期望值 0.2R、标准差 1.47R 得 207.4，推导见回测样本量要多少。

反过来看，一个每 40 根日线才出一个信号的策略，你想用实盘或回测证明它有效，需要 33 年数据。这类策略在个人交易者的时间尺度上是不可验证的，无论你用多长的历史数据，中间市场结构早就变过好几轮。

二、换个周期，答案完全不同

同样的信号密度（每 10 根 K 线一个），放到不同周期上，年信号数差两个数量级。

周期	年 K 线根数	年信号数	攒到 208 笔需要
日线（A股 250 交易日）	250	25	8.3 年
60 分钟（每日 4 根）	1000	100	2.1 年
4 小时（加密 24 小时，每日 6 根）	2190	219	0.95 年
15 分钟（每日 16 根）	4000	400	0.52 年
5 分钟（每日 48 根）	12000	1200	0.17 年

所以「回测一年够不够」这个问题在不同周期上有相反的答案：

做 5 分钟的策略，一年数据给你 1200 笔，笔数远超门槛。 这时候一年的数据在笔数上绰绰有余，瓶颈完全转移到市场状态覆盖上（见第三节）。

做日线的策略，一年数据给你 25 笔，t 值 0.68。 这个样本量下回测出来的胜率盈亏比全是噪声，改参数改的也是噪声。

一条常被忽略的推论：短周期策略不能靠拉长数据解决状态覆盖问题，长周期策略不能靠缩短周期解决笔数问题。 两道门槛必须分开处理。

三、第二道门槛：市场状态覆盖

笔数够了不代表回测有效。208 笔全部来自 2020 年那一段单边上涨，你测的是「这个策略在单边上涨里行不行」，不是「这个策略行不行」。

最低要求是覆盖三种状态：一段明确的上涨、一段明确的下跌、一段横盘震荡。 其中下跌段必须包含一次幅度 20% 以上的回落，因为策略的致命伤几乎全部暴露在这类行情里。

怎么判断你的数据覆盖了几种状态，有一个不依赖主观判断的做法：

把回测区间按时间三等分，分别算三段的期望值。 三段符号一致，说明策略在这几种环境下都成立；有一段显著为负，说明你找到了策略的失效环境，这比整体正期望有价值得多。

再算三段里每段的最大回撤。 如果三段的最大回撤差异超过三倍，说明这个策略对市场状态高度敏感，回测的整体数字被最好的那一段拉高了。

A股的一个现实是：一轮完整的牛熊通常要三到五年展开。所以 A股日线策略的数据长度下限，实际上是被状态覆盖顶到五年以上的，而不是被笔数顶上去的。 两道门槛在日线上恰好指向同一个方向，这也是「五年」这个经验值流传广泛的原因。它是对的，但理由不是「五年这个数字好」。

四、加一年数据到底多买了什么

回测数据每加一年，你买到的是两样东西，价格完全不同。

买到的第一样是笔数，边际价值按平方递减。 t 值和 √n 成正比，从 100 笔加到 200 笔，t 值从 1.36 升到 1.92，提升 41%；从 400 笔加到 500 笔，t 值从 2.72 升到 3.04，只提升 12%。样本从不足到够用那一段最值钱，够用之后加数据的收益很快摊平。

买到的第二样是状态，边际价值取决于新增的这一年是不是新状态。 2021 年再加一个 2022 年，如果两年都是震荡，等于没加。加一年 2008 或 2015 那样的极端段，价值比加五年平常行情都大。

这推出一条选数据的原则：数据不够长的时候，优先往回补含极端行情的年份，而不是往前补最近的年份。 很多人只用最近三年数据，理由是「市场结构变了」，但这三年如果是同一种状态，等于一次状态都没测到。

数据太长也有代价：十五年前的交易制度、涨跌幅限制、费率结构都和现在不同。A股印花税 2023-08-28 才从 0.1% 减半到 0.05%，主板 ST 股涨跌幅 2026-07-06 才从 5% 放宽到 10%。用当前费率去跑十年前的数据，回测收益会被系统性高估。 处理办法是分段设置成本参数，而不是一刀切。

五、数据不够时的三条路

多数人手上没有 208 笔，也没有三种状态。下面三条按可靠性排序，前两条可以叠加使用。

第一条：多品种并行。 同一套逻辑在 10 个相关性低的品种上跑，笔数直接乘以 10，日线策略从 8.3 年压到 10 个月。前提是这 10 个品种之间的相关性要低，高度相关的品种跑出来的样本在统计上不算独立笔数。相关性对有效样本的压缩幅度，参照单一策略怎么过渡到多策略组合里的组合方差表。

第二条：蒙特卡洛重排序。 把已有的 80 笔盈亏打乱顺序重排一万次，能看出资金曲线的分布形态和最大回撤的置信区间。它不增加信息量（还是那 80 笔），但能把「这条曲线是不是靠运气」这个问题回答得比肉眼看图好得多。做法见蒙特卡洛模拟。

第三条：样本外留白。 数据总长的最后 30% 完全不看，参数在前 70% 上定死之后再在这段上跑一遍。这一条不增加笔数，但能挡掉最常见的那个错误：用同一批数据调参再用它验证。回测的其余陷阱见回测的七个致命陷阱。

不在这三条里的做法：延长回测期直到结果变好。 这是过拟合的另一种形式，只是把参数搜索换成了区间搜索。

六、一份可以照抄的判定清单

拿到一个策略和一段历史数据，按顺序过这六条。

第一，数信号。 在这段数据上跑一遍，数出总信号数。低于 50 笔直接停，这批回测不产生任何结论。

第二，算 t 值。 t = 平均 R 值 × √n ÷ R 值的样本标准差。低于 1.96 的话，结论只能写成「方向性提示」，不能写成「策略有效」。

第三，三等分检查符号。 三段期望值符号不一致时，先找出失效的那一段属于什么行情，把它写进策略的失效场景，而不是当异常值剔掉。

第四，查有没有 20% 以上的下跌段。 没有的话往回补数据，补到有为止。

第五，按时间段设置成本参数。 跨越 2023-08 的数据要分段设印花税，跨越制度调整的品种同理。

第六，留 30% 样本外。 参数定死后才动这一段，且只跑一次。跑第二次就不再是样本外了。

六条全过，这次回测的结论可以写进交易系统文档。过不了的，标注清楚卡在第几条，不要把「数据不够」写成「策略有效但需要观察」。

写在最后

「回测多长时间的数据才够」这个问题之所以难回答，是因为它把两个独立的约束压进了一个单位。年数既不度量笔数，也不度量状态，它只是这两者的一个模糊代理。

把它拆开之后，答案变得很具体：日线策略要 8 年左右才够笔数，5 年左右才够状态，取大的那个；15 分钟策略半年就够笔数，但仍要 3 到 5 年才够状态，同样取大的那个。

所以短周期策略的数据长度是被状态顶上去的，长周期策略是被笔数顶上去的。两者的答案碰巧都落在「五年上下」，但走到那里的路完全不同，而路的不同决定了数据不够时你该往哪个方向补。

3秒免费测一下你的”管不住手指数”：journal.xtradingtime.com（记住 3316，就能找到我们）

---

本文内容仅供教育和参考用途，不构成任何投资建议。K 线根数按 A股每年约 243 个交易日、估算取 250 计，其他市场需按各自交易日历调整。交易有风险，入市须谨慎。